Open7日前にコメント追加9

JAXA Earth API 技術習得

とりあえず、これまでのJAXA Earth APIを使った記事をここに列挙する

 JAXA Earth API for Pythonで遊んでみたhttps://zenn.dev/aymaymaym/articles/c482db5fdc3ae4
APIを叩くサンプルコードとか

 Vue3 で JAXA Earth API をお試しhttps://zenn.dev/rescuenow/articles/d2700964824f7a
地図上に表示している。

他のデータとの違いを述べるとよさそうかも。
気象データだったら気象庁のものとかと比べるとか

 JAXA Earth APIをArcGIS Proで使ってみよう．https://qiita.com/nigo1973/items/bcb7aa32879fe7ba4ebe
ArcGIS上での可視化だ

既存の記事は使い方が多いね

JAXA Earth API の生データを取得する

データ分析をしたいから，データを取得したいよ

 動機公式のExampleには画像データとして取得する方法がほとんど．
一応取得データを分析するために最大値，最小値，平均値，標準偏差を取得する方法は紹介されているが，セルの値を直接知りたい時など，丸められる前のデータを取得したい場面は多い．

 動機続き一応以下のように紹介はされているが，あまりにも説明が短すぎる気がする
If you would like to get raw numpy array and show it, please execute following script.
import matplotlib.pyplot as plt
plt.imshow(img.raster.img[0])
plt.show()

やり方は3通りあります。結論：API自体は“画像を返す”設計ですが、内部では NumPy 配列や STAC/COG を使っているので、配列を取り出して DataFrame 化するか、COG(GeoTIFF) を直接読む形にすればOKです。

 1) raster.img をそのまま DataFrame にする（最短）get_images()→ImageProcess の戻り値に 生の NumPy 配列が入っています。公式サンプルにも「生配列を取り出すには img.raster.img[0]」と明記されています。時系列集計は calc_spatial_stats() の timeseries（mean, std, min, max, median）で配列取得できます。([JAXA Earth API][1])
from jaxa.earth import je
import numpy as np, pandas as pd

# 例：短波放射の1日の1枚を取得（bboxは [minlon, minlat, maxlon, maxlat]）
collection = "JAXA.JASMES_Aqua.MODIS_swr.v811_global_daily"
band = "swr"
dlim = ["2021-01-15T00:00:00", "2021-01-15T23:59:59"]
bbox = [135, 34, 136, 35]
ppu  = 180  # 1度あたりの画素数（EPSG:4326）。ppiではなくPPU。:contentReference[oaicite:1]{index=1}

ic = (je.ImageCollection(collection=collection, ssl_verify=True)
        .filter_date(dlim)
        .filter_resolution(ppu)       # PPU=1度あたりのピクセル数
        .filter_bounds(bbox=bbox)
        .select(band)
        .get_images())
ip = je.ImageProcess(ic)              # 画像の容器（raster）を持つ

arr = ip.raster.img[0]                # 2DのNumPy配列（行=緯度, 列=経度）:contentReference[oaicite:2]{index=2}
nrows, ncols = arr.shape
lonmin, latmin, lonmax, latmax = bbox

# セル中心の座標ベクトルを作ってテーブル化
dx = (lonmax - lonmin)/ncols
dy = (latmax - latmin)/nrows
lons = lonmin + dx*(np.arange(ncols)+0.5)
lats = latmax - dy*(np.arange(nrows)+0.5)  # 上が北なので減少方向

df = pd.DataFrame({
    "lat": np.repeat(lats, ncols),
    "lon": np.tile(lons, nrows),
    band: arr.ravel()
})
時系列の平均などをDataFrameで：
ip_ts = je.ImageProcess(ic).calc_spatial_stats()  # mean, std, min, max, medianを計算
df_ts = pd.DataFrame(ip_ts.timeseries)            # 各系列はNumPy配列で返る:contentReference[oaicite:3]{index=3}
補足：ip.raster には latlim/lonlim も入っています（bboxと同義）。必要ならそちらから座標範囲を取ってください。([JAXA Earth API][2])

 2) STAC/COG から GeoTIFF を直接読み、xarray→DataFrameJAXA Earth は COG(Cloud Optimized GeoTIFF) と STAC で配信されています。ImageCollection の stac_* プロパティに STAC の url/json が入るので、アセットの href(GeoTIFF) を取り出して rioxarray/rasterio で読むと座標付きの配列→DataFrame化が簡単です。([JAXA Earth API][3])
import requests, rioxarray as rxr, pandas as pd
# すでに ic = ImageCollection(...).filter_*().select(...) まで済んでいる前提
item_url = ic.stac_band.url                       # バンド選択後のSTACアイテムURL:contentReference[oaicite:6]{index=6}
item = requests.get(item_url).json()

# アセットからGeoTIFFのhrefをひとつ選ぶ（キー名はデータセットにより異なる）
asset = next(v for v in item["assets"].values() if "tif" in v.get("href",""))
href = asset["href"]

da = rxr.open_rasterio(href, masked=True).squeeze(drop=True)  # CRSは基本EPSG:4326
df = da.to_dataframe(name=band).reset_index()                  # (y,x)->(lat,lon) 付きの表に
STAC は階層（コレクション→date→COGレベル→経度→緯度）を持ち、日付レイヤもあるので、実際の観測日時は ic.stac_date.json を辿って取得できます（DataFrameのindexに付与するなど）。([JAXA Earth API][3])

 3) QGIS で一旦ラスター保存→後で pandas へQGIS 内で show_images_qgis() を使うと、一時フォルダにGeoTIFFが保存されます。保存しておけば、後で rasterio/rioxarray で読み込み→DataFrame 化できます。([JAXA Earth API][4])

 どれを選ぶ？
素早く「今表示しているもの」を表にしたい → 方法1（raster.img）

正確な座標系/メタデータ付きで扱いたい、時系列をしっかり管理したい → 方法2（COG直読み）

QGISワークフロー中心 → 方法3
必要なら、あなたの使っているコレクション/バンド/領域に合わせて、上のコードをこちらで埋め替えて完成版を渡します。